我正在处理不同大小（x，y）的图像。在UpSampling2D之后使用MaxPooling2D时，由于x-dim不等于y-dim，因此无法很好地重建它。当x = y（例如28x28）时有效，但以我为例（388x45）。我怎么解决这个问题。
input_img = Input(shape=(388, 45, 1))
x = Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)
最佳答案
解决方案是在上采样层之后添加ZeroPadding2D以达到所需的形状。
实际上，如果您具有图像的形状（（19,30）），则为了获得偶数，例如在第一个位置，您需要添加：
x = UpSampling2D((2, 2))(x) #say here the shape is (19,30) after upsampling but you need (20,30)
x = ZeroPadding2D(((1, 0), (0, 0)))(x) # change to ZeroPadding2D(((0, 0), (0, 1))) if you want second dimension to increase by 1
您可以在以下答案中找到ZeroPadding2D的完美用法：
segnet in keras: total size of new array must be unchanged error
关于python - Keras Conv2D解码器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59600141/